至顶网服务器频道 10月20日 新闻消息:英特尔公司的Health Application Platform联合由Flex方面设计的硬件设备,能够提供一种可远程监控患者动态的新途径,并能够摆脱由基于平板电脑或智能手机解决方案带来的各的挑战。
英特尔方面在医疗保健行业发现了拓展其物联网业务的机会,故而该公司在本周四宣布其将采用一款全新的软件平台并配合由供应商Flex公司设计硬件设备,从而让远程患者护理更加便利。
目前,患者出院后的远程患者护理服务主要依赖智能手机与平板电脑完成,而这款全新的英特尔Health Application Platform与基于英特尔架构的硬件设计规范则是为改善此类远程患者护理服务所创建。英特尔方面表示,该平台以及其所搭配的边缘设备可以顺利应对消费者目前所持有的设备无法解决的安全问题与其他挑战。
英特尔医疗物联网总经理Dave Ryan在接受至顶网记者采访时表示,大约五年以前,随着远程患者护理市场的不断发展,“平板电脑作为[一款可能有用的工具]登上舞台,且表现出强大的吸引力”。因为在这些设备上安装保健应用较为容易且来自传感器的数据——例如患者的脉搏或血压的监测变量——可以在本地完成整合。
Dave Ryan补充称:“然而,在平板电脑被推行了一段时间之后,公司意识到了有关消费级平板电脑的问题,即寿命短、SKU流通量、安卓系统更新可能会对其软件产生致命影响……此外,平板电脑对于小孩而言极富魅力,足以诱惑其夺走家中老年患者的平板电脑供自己玩乐。”
Ryan表示,远程医疗服务供应商可能仍会使用平板电脑与智能手机与患者进行沟通并传递教育信息。然而,英特尔方面认为,这些公司未来将会希望通过像HAP这样的企业级平台完成收集、存储与传输患者数据。
Ryan解释称,HAP可以提供稳定的软件环境并抵御软件更新带来的负面影响。该平台内置一套Android解决方案,能够轻松与应用程序以及外围设备——如血压监测仪——建立连接。同时,英特尔公司还关闭了消费者安卓产品中容易受到攻击的端口与系统。而且由于软件平台与Flex发布的硬件设计紧密集成,故而其也具有一定的安全功能,诸如静态数据加密等。
为了避免任何有关数据所有权的纠纷,英特尔公司内置了软件堆栈数据编排与安全连接功能。因此,远程医疗服务公司可以直接从传感器提取数据,并且可以在无需任何中间机制支持的情况下通过私人且安全的连接将数据上传至公司或客户的云端。
远程医疗服务公司可将其希望建立连接的设备列入白名单,并根据数据处理方式配置协调器。换而言之,HAP只能连接其能够识别的设备且可以分辨受监管与不受监管的设备数据。
Ryan表示:“如果用户佩戴健身手环散步,那么该款设备将不会与中心建立连接,也不会将无法识别的数据传入私人记录。”
HAP与Flex公司的IoT Compute Engine配套使用,IoT Compute Engine是带有后置支架的一款小型便携式设备,可将其安装于墙上。除了提供首批硬件设计优化以支持英特尔公司的HAP,Flex方面还负责提供客户支持、分销与物流,并监管全球解决方案的扩展。
鉴于医疗保健服务已经开始更多地转向基于实际价值的补充性方案,院方与其他医疗服务供应商对远程医疗保健服务日渐重视,并希望远程医疗服务能够降低患者的再次入院率。为了展示HAP的潜在市场,英特尔方面指出,目前已经有一项研究表明远程医疗保健市场在2016年增长了44%。
目前,英特尔与Flex公司已经在医疗保健领域与几家公司建立了合作关系,旨在推进其新产品在该领域的部署工作,合作公司则包括Vivify Health、iHealth Labs以及Sensogram Technologies。
好文章,需要你的鼓励
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。